基于最小二乘法引导的信赖域算法在电力系统动态负荷参数辨识中的应用

针对暂态电压稳定分析中动态负荷参数辨识问题,以考虑机械暂态过程的动态负荷模型为研究对象,结合最小二乘算法思想,构建动态负荷参数辨识模型,提出将基于二次插值的信赖域算法应用于电力系统动态负荷参数辨识中。IEEE的3机9节点标准模型仿真验证结果表明所应用的算法有效且可行。     

一种谐波负荷建模的新方法

精确的负荷谐波建模对于网络谐波分析具有重要意义.文中叙述了负荷谐波建模的研究现状,针对理论上通用的负荷谐波模型,根据函数最佳平方逼近的思想,提出了一种新的参数辨识方法,即利用模型中电压、电流之间的物理关系,通过对电流的最佳平方逼近辨识出相应参数.该算法简单易行,可对各种类型的负荷进行谐波建模.为检验算法的精确度,定义了误差分析函数.该算法与以往算法相比,具有更高的精度,验证了算法的有效性和可行性.最后,讨论了电压、电流的幅值和相角对辨识所得参数的影响.     

电力系统综合负荷模型的辨识算法研究

研究了一种具有全电压范围适应性的动态负荷模型，提出了一种用于模型参数辨识的改进模式搜索算法，仿真结果表明了所提出的模型辨识算法的可行性和有效性。     

基于PMU实测小扰动数据的负荷参数辨识方法

提出一种新的基于相量测量单元(PMU)实测小扰动数据辨识广义负荷模型动态参数的方法。该方法首先根据实测电压、电流变化曲线的特征来选取适合参数辨识的数据时段;而后依据在已知实测电压下负荷模型计算出的电流值的允许波动范围,确定转子初始滑差和其他需要辨识的几个参数的初始值;最后以实测的有功曲线、无功曲线的中心线与计算出的有功曲线、无功曲线中心线的误差最小为目标函数优化参数。所述方法在很大程度上解决了现有各种算法中小扰动数据无法用来辨识模型动态参数的难题。通过华北电网多个变电站母线节点实测算例表明,该算法在无法获得大扰动数据的情况下,只需系统的随机小扰动数据即可较为精确地辨识出负荷的动态参数。     

静态负荷模型参数的动态修正法

提出了一种静态负荷模型参数的动态修正方法，根据负荷电压变化实时修正负荷模型参数。基于忽略频率特性的传统静态负荷模型，在系统电压额定值附近对电压求偏导数，根据系统电压连续变化调节电压特征系数，经泰勒系数展开并略去二次及高次项，化简得到修正后的有功和无功电压特征系数。应用动态修正法进行仿真，并与恒定参数进行扰动响应比较，结果表明，使用动态修正法所得静态负荷模型能更好地反映负荷和电压的实际特性。     

负荷模型辨识中广域电网负荷空间分类

提出了负荷模型辨识中广域电网负荷的空间分类方法,基于工业、商业、农业、居民及其他负荷的典型值数据,通过模糊均值聚类(FCM)算法对负荷按负荷性质空间分类,辅以灵敏度计算公式确定重点辨识参数,进而以遗传优化算法并结合暂态过程各种扰动设置中电压响应曲线的交互计算,以全网母线电压跌落最为严重的母线作为观察变量,辨识修正负荷模型参数,并以不分类、区域分类两种方法与文中所提出方法作对比,仿真结果表明,按负荷性质分类具有合理性与有效性。     

基于同步相量测量的实时电压稳定分析方法

提出了一种基于同步相量测量的实时电压稳定分析方法.该算法利用局部同步相量测量信息就地进行实时在线参数辨识,在辨识后的2节点等值系统和静态负荷模型的基础上,根据一种节点电压稳定性指标实时进行电压稳定性估计.该方法基于π型支路模型和静态负荷参数模型,辨识局部2节点等值系统,可以更好地反映线路的无功特性以及负荷参数的变化.最后,结合新英格兰39节点系统的仿真结果,对不同等值系统模型及负荷模型进行对比,结果表明所提出的方法能提供更加精确的电压稳定估计指标,验证了该方法的可行性.     

混沌神经网络负荷建模的理论研究

负荷建模在电力系统稳定分析中起着十分重要的作用。在现代大电力系统条件下，系统稳定性对负荷建模提出了新的要求。该文介绍了电压稳定分析领域的静态负荷模型和动态负荷模型；在基于对电力系统中混沌现象的研究基础上，分析了传统建模方法的不足之处；阐述了将混沌理论引入神经网络算法后算法的特点并将其应用到负荷建模的研究中，建立了利用混沌神经网络理论进行负荷建模的研究中，建立了利用混沌神经网络理论进行负荷模型参数辨识的数学模型和算法，给出了利用该算法进行参数辨识的步骤。分析表明，混沌神经网络逄法可以大幅提高负荷建模的准确度。     

含直驱永磁风电场的配电网广义负荷建模

以可再生能源为主的分布式电源大量、分散接入配电网,传统的负荷模型已无法描述含分布式电源的广义负荷动态特性。针对这一现状,在现有直驱永磁风电机组通用模型的基础上忽略其机械环节,提出直驱永磁风电机组的简化模型。采用综合粒子群方法和Levenberg-Marquardt方法的优化算法,对直驱永磁风电机组简化模型的参数进行了辨识,并针对不同扰动进行了模型适应性分析。在此基础上,将所提风电机组简化模型与传统负荷并联作为广义负荷的模型结构。基于轨迹灵敏度方法,分析了参数的可辨识性及辨识难易度。通过算例,给出了广义负荷在不同电压跌落程度、不同风电接入比例下的参数辨识结果,讨论了配电网等值参数对辨识结果的影响,说明了采用所述建模方法的可行性。     

基于灵敏度与相关性的综合负荷模型参数优化辨识策略

综合负荷建模及其参数辨识是电力系统分析研究的重点和难点之一。为了研究综合负荷模型参数对模型响应的影响以及参数之间的动态关联,提出一种基于参数灵敏度与相关性分析的综合负荷模型优化辨识策略。首先,对配电网集结等效的综合负荷模型进行解析灵敏度分析以及Hessian矩阵特征值表征的灵敏度分析;其次,通过Pearson相关系数判断参数一阶灵敏度之间的相关性,得到对输出响应作用相似的参数;然后,在遗传算法与Levenberg-Marquardt算法相结合的混合算法基础上,提出固定灵敏度小的参数,按比例简化辨识线性相关参数的优化辨识策略;最后,通过实测曲线及完整负荷模型的仿真,验证了该辨识策略的有效性。     

动态载荷盲源识别系统设计及其LabVIEW实现

盲源分离可以从混叠的系统响应中识别出激励源信号的特征。针对结构参数未知的系统,结合盲源分离算法和模态分析法,提出一种基于模态参数盲辨识的载荷识别方法,并对简支梁系统进行实验验证。首先采集简支梁系统的冲击响应信号,利用盲辨识算法得到其有效模态参数,构建系统的模态模型;然后利用模态分析法识别其动态载荷。实验结果说明了该方法的实用性和正确性。     

电力系统负荷建模和算法的研究及进展

为了给研究人员提供负荷建模研究及在电力系统分析中具有的重要意义较全面的认识,分析了现有的负荷建模方法,系统地阐述了负荷模型及算法上的进展,它包括在静态负荷方面通过采用连续动态方法,根据负荷电压的变化实时修正负荷模型参数,在临界状态下通过分段多项式模型描述加以改进;在负荷建模方面分析了负荷动特性描述、负荷时变性、模型参数的分散性、负荷模型无功分析和负荷的非线性、变结构特性方面问题解决的进展。结果表明,通过采用上述解决方法,使得负荷模型的精确性和适应性得到了较大程度的提高,从而满足复杂大电力系统的动态行为和安全稳定分析的要求。     

动态负荷模型多曲线拟合参数辨识

针对负荷的时变性问题，提出了应用动态负荷模型的多曲线拟合参数辨识方法，讨论了多曲线拟合参数辨识成立的前提条件，解决了负荷模型结构上的主要困难，并结合遗传算法和单纯形算法提出了一种综合参数辨识算法。多曲线拟合参数辨识方法实现了负荷建模从特定模型到一般模型的突破，同时，该方法还能够给出建立的负荷模型表征误差的估计值。文中给出了该算法在工程中的实际应用情况，并以一个具体应用实例说明了该方法的有效性。     

基于Lemke优化算法的负荷静态模型参数辨识

在分析传统优化算法不足的基础上,提出了基于二次规划的Lemke优化算法的负荷静态模型参数辨识新方法。详细描述了最小二乘法、拉格朗日乘数法及Lemke 3种算法的原理。通过对电力负荷元件进行静态故障模拟,在系统辨识原理的基础上,运用最优化理论的Lemke辨识算法,对实验故障数据进行负荷建模和参数辨识,并列出了日光灯、电风扇、空调及三者组合的静态特征参数。分析结果表明:由于电器设备的制造工艺不同,不能照搬国外软件提供的参数,而应采用实测参数;基于Lemke的优化算法拟合效果较理想,避免了局部最优,且辨识时间少;基于Lemke的优化算法避免了辨识参数的分散性,参数结果与初值选择无关。     

扩展卡尔曼滤波在动态负荷参数辨识中应用

采用扩展卡尔曼滤波算法建立由动态负荷和静态负荷组成的综合负荷数学模型,并列出了其转子运动方程、状态方程和输出方程,其中动态负荷由等值的异步电机表示,静态负荷由恒定导纳并联组成。通过动模试验,取得给定负荷在系统扰动时的电压、电流数据。根据所建立数学模型的输入、输出值,用扩展卡尔曼滤波算法辨识其中的待定参数。参数初值设置为真值的2～7倍,辨识结果误差为2%～3%。分析结果表明,扩展卡尔曼滤波可在短时间内收敛,能正确地辨识出系统参数,且稳定性好。结论表明扩展卡尔曼滤波可以用于电力系统参数辨识,为电力系统状态估计、负荷建模提供了有效方法。     

基于配网量测数据的静态负荷模型参数辨识

电力负荷作为电力系统的终端用户,其模型的准确程度直接影响着电力系统运行分析的准确性.近年来,配电网中的量测装置记录了大量稳态数据,能否利用稳态量测数据实现静态负荷模型参数的辨识已成为新的研究问题.提出了基于配网量测数据的静态负荷参数辨识方法.首先,对专变和公变的有功量测数据进行聚类,得到日负荷特性类似的同类负荷曲线;然...     

基于实测PMU数据的风电综合负荷参数辨识

根据配网侧负荷特点,构建含风力发电机的综合负荷数学模型。以实测PMU数据为基础,利用总体测辨法进行模型参数辨识。将负荷节点输入电压和负荷模型参数代入数学模型,通过改进Euler法求解模型的状态方程,得出负荷节点电流,将其与实测电流误差加权最小作为目标函数,采用遗传算法辨识出负荷模型的参数。以华北电网某线路实测PMU数据为依据,辨识出考虑风电综合负荷的模型参数。辨识结果体现了负荷中以双馈异步发电机为主体的特征,与负荷特点相吻合,由此说明了辨识方法的有效性与辨识结果的合理性。     

A Multistage Algorithm for Identification of Nonlinear Aggregate Power System Loads

A multistage identification algorithm for dynamic power system load models is proposed in this paper. The multistage approach is used to address the nonconvexity of the identification problem. Initial stages are used to find good preliminary estimates for the parameters of the model. Specifically, the initial stages are as follows: Equations for dynamic power system loads are discretized using the zero-order hold method and then approximated with a 2nd-order polynomial NARMAX model. Finally, an extended least squares approach is used to estimate the parameters of the NARMAX model, from which initial estimates for the parameters of the original model are obtained. In the final stage, the values found in the initial stages are used as the starting point for a Levenberg-Marquardt optimization routine that computes the optimal parameters. Numerical experiments using data from both simulated and real systems illustrate the computational complexity and accuracy of the proposed algorithm. Curve-fitting experiments are used to justify the polynomial NARMAX approximation.     

综合负荷模型参数的简化辨识策略

研究了ZIP负荷模型与感应电动机相并联的综合负荷模型参数的简化辨识策略。基于对负荷模型参数的灵敏度分析并结合我国配电网的实际特点,提出了固定负荷模型的大部分参数、仅辨识灵敏度最大参数的简化辨识策略。对负荷实测曲线的分析表明,基于该策略建立的负荷模型对负荷动态特性具有较强的解释能力。文末指出,进一步进行简化综合负荷模型参数研究的重点在于负荷模型的不唯一性对模型外推特性的影响以及从系统仿真的角度研究多值负荷模型之间的等价性。     

数据驱动的变频空调负荷模型参数在线辨识方法

准确辨识空调负荷模型的参数是挖掘其节能及需求响应潜力的重要基础,当前研究大多采用精度较差的离线辨识方法。为此,基于数据驱动思想,提出一种变频空调模型参数在线辨识方法。首先,建立了数据驱动的空调负荷模型参数在线辨识架构。然后,基于空调负荷模型提出数据驱动的在线辨识机制和方法。其中,数据驱动的在线辨识机制设计为基于参数显著变化事件驱动的参数更新判别机制和基于历史参数波动范围的参数动态阈值设定机制,在该机制下通过粒子群优化算法建立了快速在线辨识方法。最后,通过实测环境,验证了所提在线辨识方法的有效性,与离线辨识方法相比,所提方法极大地提高了计算速度及准确度,可满足在线应用需要。